如何控制 AI 图像转换而不丢失原图

大多数令人失望的 AI 图像转换结果并不是模型失败，而是“旋钮”设置失当。你上传一张自己本来就喜欢的照片，描述想要的风格转换，工具回给你的要么是一张几乎一模一样的副本、只是加了一层滤镜，要么是一张完全不同的画面，把你的构图当成随便一个建议。这两种结果都源于同一个被忽略的决定：源图应该保留多少。

图生图（image-to-image）工具把这个决定明确摆到台面上。它们从你的图片出发，而不是从噪点出发，朝你的提示词走的距离更短，因此比全新生成能更好地保持构图、姿态和布局。Kling 的评测者把这种区分讲得很直白：文生图根据文字描述构建画面，而图生图以一张已有的图片加上指令作为起点，所以源图决定着主体、构图、风格和整体方向（Kling，最佳 AI 图像生成器）。控制这段距离有多短的参数有好几个名字——去噪强度（denoising strength）、图像权重（image weight）、创意度（creativity）、强度（strength）——有意识地设定它，才能把一次可用的转换和一次必须重做的转换区分开来。接下来是一套五步工作流，从准备源图一直到审查导出结果。

为什么源图到结果的距离才是真正的控制点

图生图流程中的一切都取决于一个数字。AI Horde 的参数文档直接说明了这一点：去噪强度控制起始画面被替换掉多少——接近 0 时源图基本被保留，处于中间时提示词可以重新设定图像风格而主体依然存活，接近 1 时源图几乎没有实际影响，而典型的运行值大约在 0.75（AI Horde，去噪强度）。

这个范围里有若干可用档位。一家教建筑师渲染自己模型的设计工作室把低档位定在 0.2–0.35，此时工具几乎不碰图像本身，只是添加材质和光线，同时保留每一条线；把高档位定在 0.7–0.9，此时只有松散的构图还能存活，其余部分都被重新创造（Studio Matrx，img2img 与 ControlNet）。它推荐用于建筑工作的中间设置大致是 0.35–0.5，并指出强度选错是 AI 渲染图看起来不像原来那栋建筑的最常见单一原因。

并非每个工具都会把这个数字交给你。OpenArt 关于控制输出与参考图相似程度的官方 FAQ 指出：Stable Diffusion 前端会提供一个强度滑块，Midjourney 使用图像权重参数，而 FLUX Kontext、GPT Image 2 这类上下文编辑模型完全没有滑块——因此必须在提示词里写明需要保留什么，例如“同时保持相同的面部特征和发型”（OpenArt，图生图指南）。你的“旋钮”可能是一个数字、一个滑块，也可能是一句话。其背后的决定完全相同。

第 1 步——准备源图并列出必须保留的内容

任何转换都无法恢复源图中不存在的信息，因此成本最低的质量提升发生在打开工具之前。Runway 的教程给出了务实的做法：如果你是从一张已有的照片或草图起步，就把它上传并描述你想要的转换，而不是从零开始构建（Runway，如何制作 AI 图像）。从真实画面起步，正是你能获得可靠构图控制力的原因。

准备工作不过是几分钟的整理。裁剪成你真正想要的取景范围，修正明显的曝光和色彩问题，并把任何你早就知道不想要的东西移除，这样模型就不会和原图较劲。现在就决定输出的宽高比，而不是事后再裁剪；同时保留一份未经改动的源图副本，因为每一步你都要拿它做对比。如果有精细的内容必须保留——产品标签、织物纹理、一张脸——在要求做保留它的转换之前，先确认源图足够清晰、承载得起这些细节。

然后在敲下任何提示词之前，先写下三个答案：

• 什么绝对不能改变？ 身份特征、几何结构、标签文字、logo 位置和光线方向通常是恒定项。
• 你想要的唯一改动是什么？ 每一轮只做一个主要改动，能让需求说明和审查都保持可控。
• 输出是什么形状？ 分辨率、宽高比和格式应当写进计划里，而不是留到最后抢救。

第 2 步——在写提示词之前先选好转换档位

根据必须保留的东西来选档位，而不是根据你今天有多想冒险。三个档位足以覆盖大部分工作：

• 微调（约 0.15–0.35）。 几何结构、边缘和构图保持不变；提示词负责提供材质、光线和最终修饰。这个档位适合给产品图重新打光、添加颗粒感，或者整理一个主体本来就衬得很好的背景。
• 风格重塑（约 0.35–0.6）。 主体和布局保持不变，而表面、色板和氛围被重建——上面那家工作室推荐用它把粗糙的 3D 视图变成体块关系完好的精致渲染图。
• 重构（约 0.7–1.0）。 你保留的是一个想法，而不是一张图像。构图会漂移，细节会消失，任何你确实需要保留的东西都必须被刻意重新加回来。

有两条规则让这个选择保持诚实。如果客户或审查者会注意到某个元素的改变，那它就属于需要保留的一组，并把你推向更低的档位。而且要向上调整，而不是向下：从低于你以为需要的值开始，只有当结果回过来过于保守时才升高它。从一次过于保守的风格重塑中恢复，只需要多做一轮；而从被毁掉的构图中恢复，通常意味着重新开始。

第 3 步——撰写与档位匹配的需求说明

在低档位下，恒定项成为提示词中最长的部分，而改动描述很短。在高档位下则相反：你描述目标场景，并接受源图只是氛围上的参考。无论哪种情况，有一种结构能让需求说明保持可读——写明目标、描述改动、重申恒定项，然后补充融合提示，说明新像素应如何与旧像素衔接。

中间档位的一个例子：“把这张厨房照片重塑为温暖的北欧日光。只改变表面和光线：浅色橡木橱柜、柔软的亚麻织物、来自左侧的漫射日光。保持房间几何结构、相机角度、窗户位置和电器摆放不变。让阴影柔和度与反射与原始拍摄一致。”

OpenArt 自己的教程同样落到这两项义务上：写一段描述最终图像的提示词，并说明哪些必须保持不变（OpenArt）。Runway 补充了顺序上的建议——图像模型往往更看重靠前的词，所以把最重要的细节放在前面（Runway）。在实践中，正向描述也比否定清单更有效：告诉模型表面应该是什么样，比罗列它绝不能添加的一切更可靠。

第 4 步——锁定随机种子，每次只迭代一个变量

一旦档位和需求说明相匹配，就不要再把所有内容重写一遍。AI Horde 的建议是逐步改变数值并比较结果，它公布的示例都来自同一个提示词、同一个模型和同一个种子，只让所讨论的那项设置发生变化（AI Horde）。这就是值得照搬的纪律：锁定种子，每轮只改一个子句或一个档位步长，其余需求说明保持完全一致，这样你才能判断是哪一处编辑起了作用。

Luma 关于修订的指导方向相同——只改动需要改的部分，让已经通过的基础保持不变（Luma，AI 图像提示词指南）。有两类行为在多轮迭代中值得留意。如果结果偏离了你的恒定项，就把它更明确地重申一遍，而不是添加新指令。如果模型不断生成你不想要的元素，就更加精确地描述你确实想要的东西，而不是把禁止清单越写越长。当某一轮达到效果时，把确切的提示词文本和设置保存下来；这一行现在就是这个主体的预设。

第 5 步——限制改动范围，然后按原始尺寸审查

转换数值是全局性的：AI Horde 明确指出，它不会识别哪些对象或特征会被改变，而蒙版才是用来限制作用区域的工具（AI Horde）。结构控制更进一步。ControlNet 从你的输入中提取结构图——边缘、深度或姿态——并强制每一个生成的像素服从它，而提示词只负责提供风格；上下文编辑模型则完全不需要蒙版，只改变你指定的区域（Studio Matrx）。当任务确实很窄时，专用工具比通用工具更快：用生成式填充修复或扩展某个区域，用物体移除去掉干扰物，当只有颜色需要变动时用局部改色，而当取景本身必须改变时用图像扩展。在物体边缘周围留一点余量，让工具有空间把新像素融入旧像素。

然后认真审查，与未改动的源图并排、按原始尺寸查看，并依次问四个问题：我要求的改动真的发生了吗？恒定项是否守住了？新内容相对于原图的光线和透视是否摆放正确？还有别的东西动了吗？缩略图恰恰会掩盖真正要紧的缺陷——偏移的色相、被软化的边缘、悄悄挪动的 logo。对工具不得不凭空创造的部分，放大细看。

发布前值得了解的限制

有三项限制让这套工作流保持诚实。模型之间不能互换：排名会随任务变化，同样的措辞在另一个生成器里表现不同，所以在一个工具里好用的提示词，并不能保证在下一个工具里同样好用（OpenArt）。反复编辑会累积损伤：FLUX Kontext 的开发者 Black Forest Labs 记录到，同一张图片连续编辑六次之后会出现可见的画质退化，这很好地说明了为什么应该保持短链条和干净的源图（OpenArt）。而权利不会随像素一起转移：不要转换你无权使用的图像，不要以未被允许的方式提示生成可识别的人物或受保护的角色，并且在你的受众或平台期望时披露 AI 编辑。

今天就跑一遍这套工作流

一次看起来像“生成”的转换和一次看起来是有意为之的转换之间的差别，很少取决于什么魔法咒语。准备一份尽可能干净的源图，事先决定什么必须保留，选择能保护它的档位，撰写与档位匹配的需求说明，然后锁定种子、每次只动一个变量，最后按原始尺寸审查。跑起这个循环，强度数值就不再是一场抽奖。

打开 KOOX AI 图生图工具，载入你最好的源画面，并从比你以为需要低一档的位置开始。当你想要的改动是全画面的风格重塑时，这个工具就是正确的选择；当改动只涉及一个区域或一个属性时，把任务交给更窄的专用效果，让图像其余部分保持原样。